[发明专利]排污泵的控制方法、装置、电子设备及存储介质

权利要求书

1.一种排污泵的控制方法，其特征在于，用于控制目标排水区域对应的N台排污泵的开启和关闭，所述方法包括：

基于每台所述排污泵的配置信息，获取每台所述排污泵的配置评分，所述配置信息包括性能评分、检修次数、故障次数和剩余使用寿命；

利用液位传感器实时测量所述目标排水区域的液位；

当检测到所述目标排水区域液位上升且在第一预设时长内的液位上升量大于第一预设阈值时，基于所述液位上升量和所有排污泵的配置评分，获取N台排污泵的对应的开启策略，以使配置评分最高的k台排污泵开启；

当检测到所述目标排水区域液位下降且在所述第一预设时长内的液位下降量大于第二预设阈值时，基于所述液位下降量和所有排污泵的配置评分，获取N台排污泵的对应的关闭策略，以使配置评分最低的g台排污泵关闭；

其中，N是大于1的整数，k和g是不大于N的正整数。

2.根据权利要求1所述的控制方法，其特征在于，所述基于每台所述排污泵的配置信息，获取每台所述排污泵的配置评分，包括：

将每台所述排污泵的配置信息分别输入配置评估模型，得到每台所述排污泵对应的配置评分；

其中，所述配置评估模型的训练过程包括：

获取第一训练集，所述第一训练集包括多个第一训练数据，每个所述第一训练数据包括一个样本排污泵的配置信息以及所述样本排污泵的配置评分的标注数据；

针对所述第一训练集中的每个第一训练数据，执行如下处理：

将所述第一训练数据中的样本排污泵的配置信息输入预设的第一深度学习模型，得到所述样本排污泵的配置评分的预测数据；

基于所述样本排污泵的配置评分的预测数据和标注数据，对所述第一深度学习模型的模型参数进行更新；

检测是否满足预设的第一训练结束条件；如果是，则将训练出的第一深度学习模型作为所述配置评估模型；如果否，则利用下一个所述第一训练数据继续训练所述第一深度学习模型。

3.根据权利要求1所述的控制方法，其特征在于，所述基于每台所述排污泵的配置信息，获取每台所述排污泵的配置评分，包括：

获取性能评分对应的第一权重、检修次数对应的第二权重、故障次数对应的第三权重以及剩余使用寿命对应的第四权重；

基于每台所述排污泵的性能评分以及所述第一权重、每台所述排污泵的检修次数以及所述第二权重、每台所述排污泵的故障次数以及所述第三权重和每台所述排污泵的剩余使用寿命以及第四权重，计算每台所述排污泵的配置评分。

4.根据权利要求1所述的控制方法，其特征在于，所述方法还包括：

当检测到所述目标排水区域液位上升时，针对被开启的每一台排污泵，执行如下处理：

当所述排污泵的开启时长达到第二预设时长时，获取所述目标排水区域的当前液位与初始液位的第一差值，所述初始液位是所述目标排水区域在所述排污泵开启前的液位；

当所述第一差值与处于开启状态的排污泵的台数之比大于第三预设阈值时，对所述排污泵进行故障检测，确定是否有故障发生；

当检测到所述排污泵发生故障时，更新所述排污泵的配置信息，以使所述排污泵的故障次数加1，并生成第一提示信息以发送至用户设备，所述第一提示信息包括所述排污泵的标识信息。

5.根据权利要求1所述的控制方法，其特征在于，所述方法还包括：

当检测到所述目标排水区域液位下降时，针对被开启的每一台排污泵，执行如下处理：

当所述排污泵的开启时长达到第二预设时长时，获取所述目标排水区域的初始液位与当前液位的第二差值，所述初始液位是所述目标排水区域在所述排污泵开启前的液位；

当所述第二差值与处于开启状态的排污泵的台数之比小于第四预设阈值时，对所述排污泵进行故障检测，确定是否有故障发生；

当检测到所述排污泵发生故障时，更新所述排污泵的配置信息，以使所述排污泵的故障次数加1，并生成第二提示信息以发送至用户设备，所述第二提示信息包括所述排污泵的标识信息。